基于单个雷达轨道监测数据的解体事件感知方法及设备与流程

本发明涉及空间突发事件领域，尤其涉及一种基于单个雷达轨道监测数据的解体事件感知方法及设备。
背景技术：
：太空中在轨的空间物体可能由于碰撞、自身爆炸产生碎片。太空空间物体的毁坏产生碎片称之为解体事件。目前有研究表明，太空中在轨的空间物体(包括航天器、火箭残骸、碎片)超过17000个，其中绝大部分为空间物体解体产生的空间碎片。近些年来更是发生了美俄卫星的碰撞解体事件，使得空间碎片的数量骤增。厘米级以上空间碎片对航天器的装置可导致航天器彻底损坏。毫米级或微米级空间碎片的撞击累积效应将导致航天器性能下降或失效。因此，对太空中碎片的解体事件信息的获取方法十分的重要。然而，传统技术基于监测数据的解体事件信息感知不够精确并且获取速度慢。技术实现要素：基于此，有必要针对上述技术问题，提供一种能够快速精确地基于单个雷达轨道监测数据的解体事件感知方法及设备，其中所述方法包括：获取第一时间步长、轨道倾角步长和升交点赤经步长以将时间和轨道面网格化为时间、轨道倾角和升交点赤经的多个时空网格；获取雷达的目标监测数据和空间目标的初轨根数，获得未关联目标的初轨根数；根据所述未关联目标的初轨根数，将所述未关联目标分配到相应的时空网格内，获得每个时空网格内所述未关联目标的数目及筛选时段，其中所述筛选时段为所述未关联目标的数目大于等于预设阈值的时空网格对应的时间；获取所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群；统计分析所述解体簇群内的所述筛选未关联目标，以获得轨道倾角筛选范围和升交点赤经筛选范围；根据所述空间目标初轨根数，获得疑似母体为处在所述筛选时段上且满足轨道倾角筛选范围和升交点赤经筛选范围的空间目标；根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体。在一个实施例中，所述获得所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群的步骤包括：获取所述筛选时段对应的未关联目标为筛选未关联目标；若所述筛选未关联目标处在一个所述时空网格内，获得所述筛选未关联目标为一个解体簇群。在一个实施例中，所述获取所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群的步骤包括：获得所述筛选时段对应的未关联目标为筛选未关联目标；若所述筛选未关联目标处在多于一个的所述时空网格内，获取所述筛选未关联目标的历元时间、轨道倾角和升交点赤经，获得第一聚类中心为所述历元时间最小的筛选未关联目标所处的时空网格的重心；依次获取非所述第一聚类中心所处时空网格的重心与所述第一聚类中心的距离，获得第二聚类中心为所述距离最远的时空网格的重心；分别获得所述筛选未关联目标与所述第一聚类中心的第一距离和所述第二聚类中心的第二距离，若所述筛选未关联目标的第一距离大于等于第二距离则所述筛选未关联目标为第一簇，若所述筛选未关联目标的第一距离小于第二距离则所述筛选未关联目标为第二簇；进行聚类步骤，重新聚类为新的第一簇和新的第二簇，其中，所述聚类步骤为分别计算所述第一簇的重心为新的第一聚类中心和所述第二簇的重心为新的第二聚类中心，根据所述筛选未关联目标与所述新的第一聚类中心和新的第二聚类中心的距离，重新聚类为新的第一簇和新的第二簇；将所述聚类步骤执行至少两次获得最终第一簇和最终第二簇；获得所述最终第一簇和最终第二簇的重心之间的距离；若所述距离小于特定阈值，则将所述最终第一簇和最终第二簇合并为一个解体簇群。在一个实施例中，所述获得所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群的步骤还包括：若所述距离大于等于特定阈值，则将所述最终第一簇和最终第二簇分别为第一解体簇群和第二解体簇群。在一个实施例中，所述统计分析所述解体簇群内的所述筛选未关联目标，获得轨道倾角筛选范围和升交点赤经筛选范围的步骤包括：获取所述解体簇群内的所述筛选未关联目标的轨道倾角和升交点赤经，统计分析所述轨道倾角和升交点赤经，获得轨道倾角的均值和标准差、升交点赤经的均值和标准差；根据所述轨道倾角的均值和标准差、所述升交点赤经的均值和标准差，获得轨道倾角筛选范围和升交点赤经筛选范围，其中所述轨道倾角筛选范围为大于等于所述轨道倾角的均值与标准差的三倍之差小于等于所述轨道倾角的均值与标准差的三倍之和，所述升交点赤经筛选范围为大于等于所述升交点赤经的均值与标准差的三倍之差小于等于所述升交点赤经的均值与标准差的三倍之和。在一个实施例中，所述根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体的步骤包括：获取扩展时段为大于等于所述筛选时段与m个所述第一时间步长之差小于等于所述筛选时刻与n个所述第一时间步长之和，将所述扩展时段采用第二时间步长划分为多个间隔时段，所述第二时间步长小于等于所述第一时间步长；若所述疑似母体为一个，根据所述疑似母体和所述筛选未关联目标的初轨根数，获得每个所述间隔时段上的疑似母体和筛选未关联目标，进而获得所述间隔时段上所述疑似母体与所述筛选未关联目标的距离平均值；若所述距离平均值存在极小值，获得所述极小值，其中所述极小值为第i个所述间隔时段的距离平均值分别小于第i－1个所述间隔时段的距离平均值和的第i+1个所述间隔时段的距离平均值；获得所述疑似母体为真正母体，所述扩展时段为解体时间范围。在一个实施例中，所述根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体的步骤还包括：若所述疑似母体大于一个，根据所述疑似母体和所述筛选未关联目标的初轨根数，获得每个所述间隔时段上的疑似母体和筛选未关联目标，以对每一个疑似母体获得该疑似母体在各间隔时段上与筛选未关联目标的距离平均值；若所述距离平均值存在极小值，获得所述极小值，其中所述极小值为第i个所述间隔时段的距离平均值分别小于第i－1个所述间隔时段的距离平均值和的第i+1个所述间隔时段的距离平均值；若所述极小值的个数为一个，获得该极小值对应的疑似母体为真正母体，获得所述扩展时段为解体时间范围。在一个实施例中，所述根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体的步骤还包括:若所述极小值的个数大于一个，获得所述极小值中的最小值，获得该最小值对应的疑似母体为真正母体，获得所述扩展时段为解体时间范围。在一个实施例中，所述根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体的步骤还包括:若所述距离平均值不存在极小值，将m+1赋值给m，返回所述获取扩展时段为大于等于所述筛选时段与m个所述第一时间步长之差小于等于所述筛选时刻与n个所述第一时间步长之和，将所述扩展时段采用第二时间步长划分为多个间隔时段，所述第二时间步长小于等于所述第一时间步长的步骤。本发明还提供一种基于单个雷达轨道监测数据的解体事件感知的设备，包括处理器、存储器以及存储在存储器上的计算机程序，所述计算机程序在被所述处理器处理时实现上述任意一项所述方法的步骤。本发明所提供的基于单个雷达轨道监测数据的解体事件感知方法及设备通过将时间和轨道面网格化选取筛选未关联目标进而通过无监督机器学习算法，获得解体簇群最后通过循环比较法获得解体时间范围及真正母体，从而使得获取解体事件信息更快速更精确。附图说明图1为本发明实施例的基于单个雷达轨道监测数据的解体事件感知方法的流程图；图2为本发明实施例的基于单个雷达轨道监测数据的解体事件感知方法中获得解体簇群的流程图；图3为本发明另一个实施例的基于单个雷达轨道监测数据的解体事件感知方法中获得解体簇群的流程图；图4为本发明另一个实施例的基于单个雷达轨道监测数据的解体事件感知方法中获得轨道倾角筛选范围和升交点赤经筛选范围；图5为本发明实施例的基于单个雷达轨道监测数据的解体事件感知方法中获得解体时间范围及真正母体的流程图；图6为本发明另一个实施例的基于单个雷达轨道监测数据的解体事件感知方法中获得解体时间范围及真正母体的流程图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。请参见图1，本发明一个实施例提供一种基于单个雷达轨道监测数据的解体事件感知方法，所述方法包括：s100，获取第一时间步长、轨道倾角步长和升交点赤经步长以将时间和轨道面网格化为时间、轨道倾角和升交点赤经的多个时空网格。具体地，轨道面是当一个天体环绕另一个天体时轨道被嵌进去的几何平面。所述轨道面用所述轨道倾角和所述升交点赤经来描述。按照特定等步长将轨道倾角和升交点赤经等分，轨道面被等分为若干网格。将时间按照第一时间步长划分为若干等时长的时段。在一个实施例中，所述轨道面参数包括轨道倾角和升交点赤经，在一个实施例中，可以将轨道倾角和升交点赤经均按照5度步长进行等分。比如，轨道倾角范围为0-180度，轨道倾角按照5度步长进行等分为36份。升交点赤经范围为0-360度，升交点赤经按照5度步长进行被等分为72份。在一个实施例中，所述第一时间步长可以为120分钟。所述第一时间步长略大于一个轨道周期。时间按照空间目标的周期等步长进行划分，避免了同一圈次的观测弧段被划分到多个时间网格内，同时也避免了多个圈次的观测弧段被划分到同一时间网格中。在一个实施例中，多个时空网格中的每个时空网格大小均为5度×5度×120分钟。可以理解为，每个时空网格分别用倾角范围、升交点赤经范围、时间段这三个量表示。s200，获取雷达的目标监测数据和空间目标初轨根数，将所述目标监测数据与所述空间目标进行匹配，以获得未关联目标及所述未关联目标的初轨根数。具体地，所述雷达的目标监测数据为雷达观测到的目标监测数据。通常，利用雷达对碎片跟踪探测所得的数据，利用雷达获得目标的监测数据目的是实现碎片的动态编目。将所述雷达的目标监测数据与编目库中的空间目标进行关联。在没有先验信息的基础上，根据空间目标的一段监测数据确定所述空间目标的初轨根数即初始轨道根数。将所述目标监测数据与所述空间目标进行匹配，获得未关联目标为不能与所述空间目标匹配上的碎片。各个所述未关联目标通过拉普拉斯定初轨得到在所述目标监测数据弧段中点时刻的初轨根数。其中，卫星过境一次的目标监测数据称为一个弧段。所述空间目标可为废弃的卫星、较大的火箭残骸或较大的空间碎片。s300，根据所述未关联目标的初轨根数，将所述未关联目标分配到相应的时空网格内，获得每个时空网格内所述未关联目标的数目及筛选时段，其中所述筛选时段为所述未关联目标的数目大于等于预设阈值的时空网格对应的时间。具体地，首先，确定每个未关联目标所属的时空网格。由所述未关联目标的初轨根数可获得每个所述未关联目标的轨道倾角、升交点赤经、轨道历元。根据轨道倾角、升交点赤经、轨道历元，每个所述未关联目标必然且唯一属于一个时空网格。然后，各圈次各网格所述未关联目标的序贯统计，每确定完所述未关联目标所属的时空网格后，重新统计各个时空网格内的所述未关联目标数据，如果该数量超过一特定阈值，则进行步骤s400。在一个实施例中，将所述未关联目标分配到相应的时空网格内的方法为：每得到一个未关联目标，对所述未关联目标确定初轨，得到所述未关联目标的初轨根数。由所述初始根数提取所述未关联目标的轨道倾角、升交点赤经、轨道历元，并判断所述未关联目标属于哪个时空网格。各所述时空网格内的所述未关联目标可以通过序贯统计的方法统计。具体地，所述序贯统计的方法也就是根据卫星过境圈次经历的时段顺序，统计各所述时空网格内所包含的未关联目标数量。也就是，将所述未关联目标分配到相应的时空网格内后，根据卫星过境圈次经历的时段顺序，统计各所述时空网格内所包括的未关联目标数量。当某一个所述时空网格内的所述未关联目标的数量超过阈值，表明超过预设阈值的时空网格内发现了超过所述预设阈值的未关联目标，超过预设阈值的时空网格对应的时间段内可能发生了解体事件。其中，超过预设阈值的时空网格对应的时间段为筛选时段。在一个实施例中，所述预设阈值为4个。s400，获取所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群。具体地，所述无监督机器学习算法可以包括聚类法和回归法。对所述筛选未关联目标采用所述无监督机器学习算法获得解体簇群。s500，统计分析所述解体簇群内的所述筛选未关联目标，以获得轨道倾角筛选范围和升交点赤经筛选范围。具体地，所述统计分析所述解体簇群内的所述筛选未关联目标为假设所述解体簇群内的所述筛选未关联目标为正态分布，以获得轨道倾角筛选范围和升交点赤经筛选范围。s600，根据所述空间目标轨道根数，获得疑似母体为处在所述筛选时段上且满足轨道倾角筛选范围和升交点赤经筛选范围的空间目标。具体地，对所述空间目标进行轨道预报，给出所述空间目标在筛选时段上轨道根数，判断在所述筛选时段上且满足轨道倾角筛选范围和升交点赤经筛选范围的空间目标为疑似母体。s700，根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体。具体地，对疑似母体进行循环比较筛选，获得所述未关联目标从哪个真正母体中解体而来，并获得所述未关联目标从真正母体上解体的解体时间范围。本发明所提供的基于单个雷达轨道监测数据的解体事件感知方法及设备通过将时间和轨道面网格化选取筛选未关联目标进而通过无监督机器学习算法，获得解体簇群。最后通过循环比较法获得解体时间范围及真正母体，从而使得获取解体事件信息更快速更精确。请参见图2，在一个实施例中，所述步骤s400包括：s411获取所述筛选时段对应的未关联目标为筛选未关联目标。具体地，根据所述筛选时段，将处在所述筛选时段的未关联目标定义为筛选未关联目标，并获取筛选未关联目标。s412若所述筛选未关联目标处在一个所述时空网格内，获得所述筛选未关联目标为一个解体簇群。具体地，对步骤s411中获取的筛选未关联目标进行判断，若所述筛选未关联目标处在一个所述时空网格内，则所述筛选未关联目标为一个解体簇群。请参见图3，在一个实施例中，所述步骤s400包括：s421，获得所述筛选时段对应的未关联目标为筛选未关联目标。s422，若所述筛选未关联目标处在多于一个的所述时空网格内，获取所述筛选未关联目标的历元时间、轨道倾角和升交点赤经，获得第一聚类中心为所述历元时间最小的筛选未关联目标所处的时空网格的重心。具体地，将各个时空网格内的所述未关联目标的初轨根数进行轨道预报，获得各所述未关联目标在各自时空网格起始时刻的轨道根数，从而可以得到所述未关联目标的历元时刻、轨道倾角和升交点赤经。选出在所述筛选时段内所述历元时间最小的筛选未关联目标。并确定所述历元时间最小的筛选未关联目标所处的时空网格。进而获得所述第一聚类中心为所述历元时间最小的筛选未关联目标所处的时空网格的重心。s423，依次获取非所述第一聚类中心所处时空网格的重心与所述第一聚类中心的距离，获得第二聚类中心为所述距离最远的时空网格的重心。具体地，在所述筛选时段内每个未关联目标均为轨道面网格上的一个点，其坐标用(轨道倾角、升交点赤经)表示即(i，ω)。轨道面上两点间的网格距离的计算方法如下：若点1的坐标(i1，ω1)，点2的坐标(i2，ω2)，则点1与点2的网格距离为：其中，n个所述未关联目标的重心为依次计算非所述第一聚类中心所处时空网格的重心与所述第一聚类中心的距离，获得第二聚类中心为所述距离最远的时空网格的重心。s424，分别获得所述筛选未关联目标与所述第一聚类中心的第一距离和所述第二聚类中心的第二距离，若所述筛选未关联目标的第一距离大于等于第二距离则所述筛选未关联目标为第一簇，若所述筛选未关联目标的第一距离小于第二距离则所述筛选未关联目标为第二簇。s425，进行聚类步骤，重新聚类为新的第一簇和新的第二簇，其中，所述聚类步骤为分别计算所述第一簇的重心为新的第一聚类中心和所述第二簇的重心为新的第二聚类中心，根据所述筛选未关联目标与所述新的第一聚类中心和新的第二聚类中心的距离，重新聚类为新的第一簇和新的第二簇。s426，将所述聚类步骤执行至少两次获得最终第一簇和最终第二簇。具体的，在一个实施例中，将所述聚类步骤执行5次获得最终第一簇和最终第二簇。s427，获得所述最终第一簇和最终第二簇的重心之间的距离。s428，若所述距离小于特定阈值，则将所述最终第一簇和最终第二簇合并为一个解体簇群。在一个实施例中，所述步骤s400还包括：s429，获得所述最终第一簇和最终第二簇的重心之间的距离，若所述距离大于等于特定阈值，则将所述最终第一簇和最终第二簇分别为第一解体簇群和第二解体簇群。具体地，计算聚类后的两个簇的重心的网格距离，判断其是否小于特定阈值，该特定阈值由网格划分时网格的大小决定，此处取轨道面网格的对角线为距离阈值，由于网格划分步长为5，则距离阈值为如果所述最终第一簇和最终第二簇的重心的网格距离小于该阈值，则所述最终第一簇和最终第二簇和合并为一个簇，否则为两个簇，各个簇分别独立进行后续计算处理。请参见图4，在一个实施例中，所述步骤s500包括：s510，获取所述解体簇群内的所述筛选未关联目标的轨道倾角和升交点赤经，统计分析所述轨道倾角和升交点赤经，获得轨道倾角的均值和标准差、升交点赤经的均值和标准差。具体地，假设轨道倾角和升交点赤经均服从正态分布，分别计算轨道倾角和升交点赤经的均值和标准差。s520，根据所述轨道倾角的均值和标准差、所述升交点赤经的均值和标准差，获得轨道倾角筛选范围和升交点赤经筛选范围，其中所述轨道倾角筛选范围为大于等于所述轨道倾角的均值与标准差的三倍之差小于等于所述轨道倾角的均值与标准差的三倍之和，所述升交点赤经筛选范围为大于等于所述升交点赤经的均值与标准差的三倍之差小于等于所述升交点赤经的均值与标准差的三倍之和。具体地，根据所述轨道倾角的均值和标准差、所述升交点赤经的均值和标准差。根据轨道在各自均值±3倍标准差定义为参数的选取范围，其中所述轨道倾角筛选范围为大于等于所述轨道倾角的均值与标准差的三倍之差小于等于所述轨道倾角的均值与标准差的三倍之和，所述升交点赤经筛选范围为大于等于所述升交点赤经的均值与标准差的三倍之差小于等于所述升交点赤经的均值与标准差的三倍之和。请参见图5，在一个实施例中，所述步骤s700包括：s710，获取扩展时段为大于等于所述筛选时段与m个所述第一时间步长之差小于等于所述筛选时刻与n个所述第一时间步长之和，将所述扩展时段采用第二时间步长划分为多个间隔时段，所述第二时间步长小于等于所述第一时间步长。具体地，所述筛选时段前后各扩展一个所述第一时间步长为扩展时段，即所述扩展时段扩大为原筛选时段的3倍，即从120分钟扩展到360分钟，在该扩展时段的时间区间中以第二时间步长将其等分。在一个实施例中，所述第二时间步长可小于所述第一时间步长，可将所述扩展时段分为更细的间隔时段。在一个实施例中所述第二时间步长取5分钟，等分所述扩展时段则可得到73个间隔时段。s711，若所述疑似母体为一个，根据所述疑似母体和所述筛选未关联目标的初轨根数，获得每个所述间隔时段上的疑似母体和筛选未关联目标，进而获得所述间隔时段上所述疑似母体与所述筛选未关联目标的距离平均值。具体地，若所述疑似母体为一个，根据所述疑似母体和所述筛选未关联目标的初轨根数，用间隔时段来表示所述疑似母体和所述筛选未关联目标。进而计算所述疑似母体在各所述间隔时段与各筛选未关联目标相对距离的平均值，从而得到73个所述间隔时段对应的距离平均值。s712，若所述距离平均值存在极小值，获得所述疑似母体为真正母体，所述扩展时段为解体时间范围，其中所述极小值为第i个所述间隔时段的距离平均值分别小于第i－1个所述间隔时段的距离平均值和的第i+1个所述间隔时段的距离平均值。具体地，检查该距离平均值是否随时间演化且具有拐点即极小值。其中所述极小值为第i个所述间隔时段的距离平均值分别小于第i－1个所述间隔时段的距离平均值和的第i+1个所述间隔时段的距离平均值。若所述距离平均值存在极小值，获得所述疑似母体为真正母体，所述扩展时段为解体时间范围。请参见图6，在一个实施例中，所述步骤s700还包括：s721，若所述疑似母体大于一个，根据所述疑似母体和所述筛选未关联目标的初轨根数，获得每个所述间隔时段上的疑似母体和筛选未关联目标，以对每一个疑似母体获得该疑似母体在各间隔时段上与筛选未关联目标的距离平均值。具体地，若所述疑似母体大于一个，根据所述疑似母体和所述筛选未关联目标的初轨根数，用间隔时段来表示所述疑似母体和所述筛选未关联目标。对于每个疑似母体，计算该疑似母体在各所述间隔时段与各筛选未关联目标相对距离的平均值，从而得到该疑似母体的73个所述间隔时段对应的距离平均值。s722，若所述距离平均值存在极小值，获得所述极小值，其中所述极小值为第i个所述间隔时段的距离平均值分别小于第i－1个所述间隔时段的距离平均值和的第i+1个所述间隔时段的距离平均值。具体地，判断每个疑似母体的各所述间隔时段对应的距离平均值是否存在极小值，若所述距离平均值存在极小值，获得所述极小值。s723，若所述极小值的个数为一个，获得该极小值对应的疑似母体为真正母体，获得所述扩展时段为解体时间范围。具体地，进一步判断获取的极小值的数目，若所述极小值的个数为一个，获得该极小值对应的疑似母体为真正母体，获得所述扩展时段为解体时间范围。在一个实施例中，步骤s700还包括：s724，若所述极小值的个数大于一个，获得所述极小值中的最小值以获得该最小值对应的疑似母体为真正母体，获得所述扩展时段为解体时间范围。在一个实施例中，所述步骤s700还包括：若所述距离平均值不存在极小值，将m+1赋值给m，返回步骤s710的步骤。具体地，如果不具备最小值拐点即若所述距离平均值不存在极小值，则将扩展时段地时间范围继续向前扩展一个所述第一时间步长。在一个实施例中向前扩展120分钟，总计480分钟。返回步骤s710，重新计算各时间点距离平均值，并检查是否存在最小值，如果存在则进行下一步，否则继续增加时间迭代扩大所述扩展时段地范围，直至找到最小值拐点为止。本发明还提供一种基于单个雷达轨道监测数据的解体事件感知的系统，所述系统包括：时空网格化模块，用于获取第一时间步长、轨道倾角步长和升交点赤经步长以将时间和轨道面网格化为时间、轨道倾角和升交点赤经的多个时空网格；未关联目标获取模块，用于获取雷达的目标监测数据和空间目标的初轨根数，获得未关联目标的初轨根数；筛选数目获得模块，用于根据所述未关联目标的初轨根数，将所述未关联目标分配到对应的时空网格内，获得每个时空网格内所述未关联目标的数目及筛选时段，其中所述筛选时段为所述未关联目标的数目大于等于预设阈值的时空网格对应的时间；解体簇群获得模块，用于获取所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群；筛选范围获得模块，用于统计分析所述解体簇群内的所述筛选未关联目标，以获得轨道倾角筛选范围和升交点赤经筛选范围；疑似母体获得模块，用于根据所述空间目标初轨根数，获得疑似母体为处在所述筛选时段上且满足轨道倾角筛选范围和升交点赤经筛选范围的空间目标；真正母体获得模块，用于根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体。本发明还提供一种基于单个雷达轨道监测数据的解体事件感知的设备，包括处理器、存储器以及存储在存储器上的计算机程序，计算机程序在被所述处理器处理时实现上述任意一实施例所述方法。采用本发明的一个实施例，进行验证本发明具体基于单个雷达轨道监测数据的解体事件感知方法。首先进行数据准备。采用nasa标准解体模型，结合已知根数的目标(定义为解体母体)，该目标根数如表1。生成该目标在特定时刻解体所生成的尺寸大于10cm的解体碎片星历，用根数表示见表2。设定的母体解体时间为2015-02-2500:00:00，雷达设备的探测时间范围是2015-02-2500:00:00-2015-02-2502:00:00共2个小时。根据相控阵雷达的性能参数生成该解体碎片的仿真观测资料，该观测资料即为未关联目标数据。相控阵雷达的性能参数见表3。母体和碎片的面质比均取0.01平方米/千克。表1解体母体的轨道根数编号历元时间半长轴/km偏心率/度轨道倾角/度升交点赤经/度近地点幅角/度平近点角/度1104857079.502527482.0980.0044563.353282.511163.811325.188表2解体碎片轨道根数表3探测设备信息表设备编号经度/度纬度/度高度/米方位角范围/度俯仰角范围/度601120301.50-3600-80具体获取上述基于单个雷达轨道监测数据的解体事件感知的方法如下：s100，轨道面时空网格的划分。轨道面轨道倾角和升交点赤经，均按照5度作为步长进行等分。由于轨道倾角范围0-180度，因此被等分为36份；由于升交点赤经范围0-360度，因此被等分为72份。时间按照120分钟等分，2015-02-2500:00:00-2015-02-2502:00:00为一个时间网格。结合轨道面参数划分共得到72个轨道面时空网格，每个轨道面时空网格大小均为5度×5度×120分钟。因为此验证直接给出了未关联目标，因此省略步骤s200。s300，统计时空网格内未关联目标的数量。首先，各个未关联目标通过拉普拉斯定初轨得到在监测数据弧段中点时刻的初轨根数，见表4。表4内按照历元时间排列。表4未关联目标在观测弧段时间中点时刻的初轨根数这些根数的历元时间均位于时间为2015-02-2500:00:00-2015-02-2502:00:00的网格中，每当步骤(2)接收到一个未关联目标后，即开始预报该未关联目标在网格开始时刻(此处为2015-02-2500:00:00)的轨道根数，得到的根数见表5。并根据预报后的轨道倾角、升交点赤经统计总共的72个网格中，每个网格内的未关联目标数量。由于未关联目标共33个，该统计过程执行33次。仅以第33次为例对步骤s300进行说明。当统计完33个uct数据后，共发现在两个网格内的碎片数量超过阈值，这两个网格分别为：轨道倾角60-65度，升交点赤经280-285度，时间2015-02-2500:00:00-2015-02-2502:00:00共6个；轨道倾角60-65度，升交点赤经285-289度，时间2015-02-2500:00:00-2015-02-2502:00:00共27个；表5网格时间开始时刻的uct轨道根数s400，聚类法将筛选未关联目标分为两个簇。第一个簇包含了50015、50023、50020、50031、50013、50014共6个uct，其网格重心为(62.8484，284.068)；第二簇包含了50007、50002、50017、50030、50018、50026、50032、50016、50028、50004、50019、50005、50008、50022、50011、50025、50012、50000、50010、50024、50001、50027、50003、50021、50009、50006、50029共27个uct，其网格重心为(63.463285.681)。以这两个中心将所有33个未关联目标进行聚类，共迭代5次。每次经过迭代后重新计算的两个簇的重心(下一次迭代的中心)见表6：表6次迭代后两个簇的重心坐标迭代次数最终第一簇重心最终第二簇重心162.8484,284.06863.463,285.681262.8484,284.06863.463,285.681362.8484,284.06863.463,285.681462.8484,284.06863.463,285.681562.8484,284.06863.463,285.681本算例中，由于未关联目标轨道面参数接近，两个网格内的未关联目标经过第一次聚类后，即可完成两个簇的划分，之后的4次迭代并不影响结果。通过计算得到的两个聚类重心的网格距离，该距离为小于阈值即这两个簇可以合并为一个簇。发生了一个解体事件。s500，范围确定。计算步骤(4)确定的一个簇内所有未关联目标轨道面参数轨道倾角和升交点赤经的均值和标准差，其中轨道倾角的均值和标准差为63.3429,0.361886，生交点赤经的均值和标准差为282.857,1.06542。计算轨道倾角和升交点赤经筛选范围，分别为：63.3429±3×0.361886、282.857±3×1.06542。s600，母体筛选。背景目标轨道预报到上述未关联目标所处网格时间的开始时刻(2015-02-2500:00:00),得到该时刻根数的轨道倾角和升交点赤经。将满足轨道倾角和升交点赤经筛选范围的目标筛出，目标见表7。表7疑似母体参数表s700，解体时间估算及母体确定，将未关联目标所属的时间网格2015-02-2500:00:00-2015-02-2502:00:00分别向前后各扩展120分钟后得到解体时间筛选的范围为：2015-02-2422:00:00-2015-02-2504:00:00，以5分钟为步长将该范围划分为73个时刻。将疑似母体11047的轨道根数和33个筛选未关联目标的初轨根数分别预报到这73个时刻，每个时刻均可得到11047及33个筛选未关联目标的位置，计算11047和这33个物体的相对距离及相对距离的平均值。进而得到这73个时刻对应的平均距离。该平均距离在2015-02-2500:00:00为最小值36.10664。同理计算11048与这33个筛选未关联目标的相对距离及相对距离的平均值，该平均距离在2015-02-2500:00:00为最小值8.957515。这两个疑似母体与筛选未关联目标相对距离平均值见表8。表8疑似母体与筛选未关联目标在各时刻点的平均距离11047和11048均在2015-02-2500:00:00取到平均距离最小值，在该时刻11048的平均距离小于11047的平均距离最小值，11048确定为真正母体。解体时间2015-02-2500:00:00前后各增加一个步长5分钟，即解体时间范围是2015-02-2423:55:00-2015-02-2500:05:00。以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。当前第1页12